-
公开(公告)号：CN109378039A
公开(公告)日：2019-02-22
申请号：CN201810949097.9
申请日：2018-08-20
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于离散约束和封顶范数的肿瘤基因表达谱数据聚类方法，步骤为：首先，将肿瘤基因表达谱数据表示为一个包含多个低秩子空间的低秩矩阵和一个噪声矩阵相加的形式；然后，引入离散约束方法和Schatten p范数对低秩矩阵进行约束，直接学习得到肿瘤基因表达谱数据的样本标签；最后，利用封顶范数对噪声矩阵进行优化，除去对原始肿瘤基因表达谱数据中的离群值得出最终的肿瘤基因表达谱数据聚类。本发明能完全去除离群值对肿瘤基因表达谱数据聚类的影响，从而提高肿瘤基因表达谱数据聚类的精度及鲁棒性。
-
公开(公告)号：CN105447809A
公开(公告)日：2016-03-30
申请号：CN201510881014.3
申请日：2015-12-07
Applicant: 中国矿业大学
IPC: G06T1/00
CPC classification number: G06T1/0021
Abstract: 一种基于杂草模型的加密域图像可逆水印方法，属于信息安全领域。鉴于当前加密域图像可逆水印方法存在嵌入容量小、安全性弱等不足，本发明用杂草与庄稼的关系类比水印信息与加密图像的关系，建立杂草模型，采用混沌系统增强方法的安全性，利用杂草区域的大小由用户根据水印信息量选定扩大算法的嵌入容量。水印嵌入的核心步骤：选定一种安全性能良好的混沌系统；采用一种图像加密算法对原始交互图像进行加密，得加密图像；利用杂草模型和混沌系统，将加密图像和水印信息混淆，得到含水印图像。水印检测过程几乎是水印嵌入的逆过程。实验结果表明：该方法嵌入容量大和算法安全性高，可有效实现对图像信息网络交互的安全保护。
-
公开(公告)号：CN103544507A
公开(公告)日：2014-01-29
申请号：CN201310482378.5
申请日：2013-10-15
Applicant: 中国矿业大学
Abstract: 一种基于成对约束判别分析-非负稀疏散度的高光谱数据降维方法，属于高光谱遥感图像处理方法。本发明针对源高光谱数据和目标高光谱数据来自不同分布时，很多先进的基于机器学习的高光谱数据分类算法的分类性能变差。首先，根据一种能自动获得包含判别信息的成对约束样本，提出成对约束判别分析；然后，设计一种非负稀疏散度准则来构建不同分布的源领域和目标领域高光谱数据之间的桥梁；最后，结合这两部分，实现源高光谱数据到目标高光谱数据的知识迁移。优点：解决不同时间、不同地域或不同传感器获得高光谱数据间的知识迁移；能够有效地利用源领域高光谱数据的信息去分析目标领域高光谱数据并获得较高的整体分类精度和Kappa系数。
-
公开(公告)号：CN118736279B
公开(公告)日：2025-04-25
申请号：CN202410750989.1
申请日：2024-06-12
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/26 , G06V10/54 , G06V10/44 , G06V10/82 , G06N3/0499 , G16H20/10 , G16H50/20 , G06T7/00
Abstract: 本发明公开了一种基于超声影像组学特征注意力网络的HER2状态改变预测方法，包括步骤，勾画乳腺癌超声图像中的肿瘤区域；利用影像组学技术实现超声图像影像组学特征的提取，得到影像组学特征矩阵；对影像组学特征矩阵特征选择，构成关键特征矩阵；再输入到带有注意力机制的网络模块，输出与HER2状态改变相关的带有注意力权重的关键特征矩阵；最后，利用全连接神经网络对所述带有注意力权重的关键特征矩阵进行训练，进而得到乳腺癌HER2状态是否改变的预测。本发明实现了影像组学技术与深度学习模型相结合进行HER2状态改变相关特征的选择和学习，并通过全连接神经网络对HER2状态在新辅助治疗后是否改变的预测。
-
公开(公告)号：CN119848668A
公开(公告)日：2025-04-18
申请号：CN202411927768.3
申请日：2024-12-25
Applicant: 中国矿业大学
IPC: G06F18/2415 , G06N3/0455 , G06N3/0895 , G06F18/10 , G06F18/213
Abstract: 本发明公开了基于去噪扩散概率模型的半监督智能故障诊断方法和介质，采集机械设备不同故障类型的振动信号样本集，作为训练数据集，含标记、未标记样本；构建含DDPM、分布对齐、mixup模块及半监督智能故障诊断模型，DDPM模块对训练数据集数据增强，分布对齐模块针对增强后的未标记样本预测伪标签，mixup模块结合相关样本生成新训练数据集；随后把新训练数据集输入诊断模型，通过最小化综合损失函数迭代训练，直至符合停止迭代条件，得到训练好的诊断模型；最后将振动信号输入训练完成的智能故障诊断模型，实现对机械设备的故障诊断。能够有效扩充用于训练的样本数量，提升模型训练效果，提升故障诊断的准确性与效率。
-
Patent Agency Ranking
公开(公告)号：CN119337945B
公开(公告)日：2025-04-11
申请号：CN202411383629.9
申请日：2024-09-30
Applicant: 中国矿业大学
IPC: G06N3/0475 , G06N3/045 , G06N3/092 , G06N3/084 , G06F18/25
Abstract: 本发明公开了一种基于悲观评论家决策转换器的轨迹规划方法，具体为：1：采集工业机器人的历史轨迹数据；2：构建决策转换器网络、最大价值决策转换器策略网和悲观价值网络1和悲观价值网络2；并初始化这些网络参数；3：建立最大价值决策转换器策略网络和两个独立悲观价值网络对应的目标网络；并初始化这些目标网络；4：更新决策转换器网络参数；5：更新悲观价值网络参数；6：更新最大价值决策转换器策略网络参数；7：更新目标网络参数；8：重复执行步骤四～步骤七，直到达到最大迭代次数；9：通过最终得到的悲观价值网络输出动作的价值，引导最大价值决策转换器策略网络生成下一个时刻的最优轨迹。本发明提高了任务完成的效率与安全性。
-
公开(公告)号：CN119004020A
公开(公告)日：2024-11-22
申请号：CN202411036867.2
申请日：2024-07-31
Applicant: 中国矿业大学
IPC: G06F18/20 , G06F18/10 , G06F18/2134 , G06F17/10
Abstract: 本发明公开了一种基于多分解核熵学习的非高斯工业过程故障诊断方法，包括：利用信息熵将非高斯工业数据中的过程数据投影到高维空间中，得到高维空间的过程数据矩阵G；从过程数据矩阵G分离出冗余信息矩阵GR；利用奇异值分解技术对冗余信息矩阵GR的负载矩阵进行分解，获得投影矩阵；利用所述投影矩阵从冗余信息矩阵GR中分解出对故障不敏感部分GN，从过程数据矩阵G中去除对故障不敏感部分GN，得到过程数据矩阵GY1，构建数据模型；构建故障检测策略；合并检测指标，构建新的故障诊断指标。本发明方法通过两次分解，最大程度对过程数据进行划分，可以极大程度减少故障误报率，该方法对于非高斯工业过程中的故障，能够还原数据的原始信息，可以更准确地确定故障变量。
-
公开(公告)号：CN118736279A
公开(公告)日：2024-10-01
申请号：CN202410750989.1
申请日：2024-06-12
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/26 , G06V10/54 , G06V10/44 , G06V10/82 , G06N3/0499 , G16H20/10 , G16H50/20 , G06T7/00
Abstract: 本发明公开了一种基于超声影像组学特征注意力网络的HER2状态改变预测方法，包括步骤，勾画乳腺癌超声图像中的肿瘤区域；利用影像组学技术实现超声图像影像组学特征的提取，得到影像组学特征矩阵；对影像组学特征矩阵特征选择，构成关键特征矩阵；再输入到带有注意力机制的网络模块，输出与HER2状态改变相关的带有注意力权重的关键特征矩阵；最后，利用全连接神经网络对所述带有注意力权重的关键特征矩阵进行训练，进而得到乳腺癌HER2状态是否改变的预测。本发明实现了影像组学技术与深度学习模型相结合进行HER2状态改变相关特征的选择和学习，并通过全连接神经网络对HER2状态在新辅助治疗后是否改变的预测。
-
公开(公告)号：CN118734169A
公开(公告)日：2024-10-01
申请号：CN202410871350.9
申请日：2024-07-01
Applicant: 中国矿业大学
IPC: G06F18/241 , G06F18/2415 , G06F18/22 , G06F18/25 , G06N3/0455 , G06Q10/20 , G01M13/045
Abstract: 本发明公开了一种基于跨域Transformer的智能机械故障诊断方法，属于故障诊断领域，通过交叉注意力机制，实现源域数据和目标域数据之间的特征融合，减少特征分布差异。引入源域数据和目标域数据配对策略，将有标签的源域数据与无标签的目标域数据匹配，从而实现交叉注意力方法。通过由主网络和子网络组成的双网络架构，解决目标域数据标签预测容易出错的问题。
-
公开(公告)号：CN118700133A
公开(公告)日：2024-09-27
申请号：CN202410807695.8
申请日：2024-06-21
Applicant: 中国矿业大学 , 溧阳二十八所系统装备有限公司
IPC: B25J9/16
Abstract: 本发明公开了一种基于DSAW离线强化学习算法的冗余驱动机械臂路径规划方法，属于机械臂三维空间路径规划领域。针对三维空间内碰撞检测问题，通过包围法将路径节点与障碍物之间的碰撞关系简化为球体与长方体之间的碰撞关系，避免碰撞问题；针对强化学习路径规划环境的设计问题，从位置、碰撞约束、步长限制等多个方面设计了基础奖励函数、碰撞惩罚奖励函数、目标奖励函数来引导冗余驱动机械臂学习达到目标点的行为策略。然后采用模型预测控制算法对路径上的节点进行逆解计算，求出对应关节角度。其使用方便，计算效率高，保证了冗余驱动机械臂路径最优求解的关节移动角度。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.032 seconds)
